Kamera Destekli Kalite Kontrol ile Yüzeysel Defektlerin İzlenmesi: Uygulanabilir Teknik Rehber

Problem tanımı: Hangi sorunu ele alıyoruz?

Üretim hatlarında bazen rastgele, yüzeysel defektler (çizik, renk bozulması, etiket yanlışlığı gibi) ortaya çıkar. Bu defektler genellikle rasgele dağılımlı olduğundan, hangi partide, hangi makinede ya da hangi operatör katmanında oluştuğunu anlamak zorlaşır. Bu belirsizlik; müşteri iadeleri, denetim eksiklikleri ve operasyonel israfla sonuçlanır. Bu yazıda amaç, "Üretim hattında yüzeysel defektleri güvenilir şekilde tespit edip her tespit için üretim bağlamı oluşturmak" için kamera destekli kalite kontrol (KDK) sisteminin nasıl tasarlanıp entegre edileceğini, pratik ve uygulanabilir adımlarla anlatmaktır.

Çözümün omurgası: Kamera + Olay temelli meta veri

Temel yaklaşım iki katmandan oluşur: (1) Görsel tespit katmanı — endüstriyel kameralar ve görüntü işleme/ML ile hatalı parçaların yakalanması, (2) Bağlam katmanı — her yakalamayı üretim bağlamına (parti numarası, barkod/seri, makine ID, operatör, zaman damgası) bağlamak. Bu kombinasyon, tespit edilen bir kusurun kaynağını ve kapsamını izlenebilir hâle getirir.

İlk taslak mimariyi uygulamaya koymadan önce, benzer sistemlerin kurum içi entegrasyonu için bir referans sayfası olarak Kamera destekli kalite kontrol IoT hizmetleri sayfasına göz atmak faydalıdır. Detaylı uygulama konuşması için iletisim kanallarından teknik ihtiyaçlarınızı paylaşabilirsiniz.

Donanım seçimi ve optik düzen

• Kamera tipi: Üretim hızı ve algılanacak kusurun boyutuna göre; gigE/USB3 endüstriyel kameralardan yüksek hızda tarama için line-scan kameraya kadar seçim yapılır. Yüzeysel çizik gibi küçük kusurlar için yüksek çözünürlü sensör (2–5 µm/piksel etkili çözünürlük) tercih edin.
• Lens ve alan derinliği: Çözünürlüğü koruyacak focal length seçimi ve yeterli alan derinliği için doğru iris aralığı önemlidir. Sabit çalışma mesafesi sağlayacak mekanik düzen (fokus kilidi) kurun.
• Aydınlatma: Parlama ve gölgeler yanlış pozitif/negatifleri artırır. Difüz, polarize veya yönlendirilmiş ışık ile kontrast artırılarak kusurlar daha net yakalanır. Işık kaynakları sabit akım destekli olmalı (flicker olmamalı).
• Tetikleme: Parça hareketliyse encoder/trigger sensörü veya PLC çıkışı ile senkronize görüntü almak hata oranını düşürür.

Görüntü yakalama ve zamanlama: Tutarlı izlenebilirlik için kurallar

Bir görüntünün tek başına değeri sınırlıdır; üretim bağlamıyle ilişkilendirildiğinde izlenebilirlik kazanır. Aşağıdaki noktalar uygulanmalıdır:

• Zaman senkronizasyonu: Kameralar, PLC'ler, barkod okuyucular ve sunucular NTP veya tercihen PTP (Precision Time Protocol) ile senkronize edilmeli. Bu, bir kusurun hangi üretim satırındaki hangi zaman aralığında oluştuğunu kesin olarak belirler.
• Olay tabanlı yakalama: Barkod okuma, konum sensörü veya makine trigger'ı görüntü alımını tetiklemeli. Böylece her görüntü bir olay ID ile ilişkilenir.
• Meta veri kaydı: Görüntü dosyası veya kayıt veritabanı, partNo, siparişNo, üretim hattı ID, makine ID, operatör ID, trigger tstamp, PLC cycle counter gibi alanlar içermeli.

İşleme mimarisi: Edge mi, Server mı, Hibrit mi?

Gerçek dünyada performans ve bant genişliği kısıtları nedeniyle hibrit yaklaşım en pratiktir.

• Edge işleme: Basit görüntü filtreleri, morfolojik operasyonlar ve threshold tabanlı kusur tespiti doğrudan kameraya yakın edge cihazlarda (endüstriyel PC, Jetson benzeri) yapılır. Bu, ağ trafiğini azaltır ve anlık alarm sağlar.
• Sunucu/Batch işleme: Şüpheli vakaların daha derin ML tabanlı analizi, doğrulama ve eğitici veri toplama için merkezi sunucuda veya bulutta yapılır.
• Model seçimi: Yüzey kusurları için klasik görüntü işleme (edge) + doğrulama için küçük CNN modelleri (sunucu) kombinasyonu çoğu üretim hattı için iyi bir başlangıçtır. Model drift izlenmeli; periyodik yeniden eğitim planı olmalıdır.

Yanlış pozitifleri ve üretim akışına etkisini azaltma

Kamplardaki yanlış alarmlar üretimi aksatır. Bunun için uygulanabilir adımlar:

• Çok katmanlı doğrulama: Edge algılama → kısa lokal görüntü dizisi → sunucu doğrulama.
• Eşik ayarı ve adaptif eşikler: Farklı partiler/renkler için eşikler değiştirilebilir olmalı.
• Operatör geribildirimi döngüsü: Operatör onayıyla etiketsiz örnekler veri setine eklenip modeller güncellenmeli.
• İnsani karar noktaları: Kritik kararlar (seri geri çekme vb.) otomasyon yerine QA onayından geçmeli.

Veri modeli ve depolama (pratik SQL Server yaklaşımı)

Önerilen minimal tablolar:

• CaptureEvents (EventID PK, CaptureTimestamp, CameraID, TriggerSource, ImagePath/BlobRef, EdgeResult, Confidence, ProcessedFlag)
• ProductTrace (ProductID/Serial, PartNo, BatchNo, ProductionTimestamp, LineID, MachineID, OperatorID, Barcode)
• EventProductLink (EventID FK, ProductID FK, OffsetMs, LinkMethod)
• Analyses (AnalysisID, EventID FK, ModelID, ResultLabel, Confidence, AnalystID, ReviewedAt)

SQL Server üzerinde görüntüleri doğrudan BLOB saklamak yerine dosya sunucusunda saklayıp yola referans vermek (ImagePath) performans ve yedekleme açısından pratik olur. Ancak yasal kayıt gereksinimleri varsa arşivlemeyi göz önünde bulundurun.

Entegrasyon: ERP, MES ve API

Her tespit için üretim bağlamını ERP/MES'e bağlamak izlenebilirliği sağlar:

• Gerçek zamanlı API'ler: ASP.NET Core tabanlı REST endpoint'leri ile CaptureEvents oluşturulup ilgili ProductTrace kayıtları sorgulanabilir. Örnek akış: Kamera → Edge → CaptureEvent POST /api/captures → Sunucu, barcode veya PLC bilgisi ile ProductTrace eşleştirir.
• Mesajlaşma: MQTT/AMQP ile olay tabanlı entegrasyon, ERP tarafında asenkron tüketici kullanımı için uygundur. Kritik kayıtlar için transaction garantisi olan mekanizmalar tasarlayın.
• Audit ve geridönüş: ERP'de ilgili sipariş/kargo kaydına EventID ekleyerek müşteri şikayetlerinde hızlı erişim sağlayın.

Kullanıcı arayüzü ve denetim (QA) iş akışları

Kullanıcı arayüzü şu unsurları içermeli:

• Filtrelenebilir CaptureEvents ekranı (tarih, hat, parti, makine, operatör, etiket)
• Çoklu görüntü oynatma / frame advance ile olay inceleme
• Hızlı etiketleme (True Defect / False Alarm / Not Sure) ve yorum alanı
• Denetim izi: hangi kullanıcı ne zaman hangi kararı verdi

Yasal, saklama politikaları ve veri güvenliği

Görüntü kayıtları kişisel veri içerebiliyorsa (operatörler görünürse) KVKK uyumluluğu değerlendirilmelidir. Saklama süreleri, erişim yetkileri ve silme politikaları iş akışına dahil edilmelidir. Veritabanı erişimleri için rol temelli erişim (RBAC), şifreleme ve ağ segmentasyonu uygulanmalıdır.

Kademeli devreye alma: Pilot, Doğrulama, Ölçek

• Pilot hattı: En kritik olmayan bir hattı seçerek 2–4 hafta boyunca edge ve sunucu doğrulamasını çalıştırın; false positive/negative verilerini kaydedin.
• Doğrulama: Operatör onaylı örneklerle model performansını ölçün; Eşikleri ve ışık düzenini optimize edin.
• Ölçek: Pilot başarı kriterleri sağlandığında, hatlara template tabanlı kurulum (kamera konumlandırma, aydınlatma kiti, edge config) uygulayın.

Ölçülebilir faydalar ve beklenen kazanımlar

Bu sistemlerin doğrudan etkileri şunlardır: kusur tespit hızının artması, müşteri şikayetlerinin daha hızlı geridönüşü, üretim partilerinin hatalı dağılımının belirlenmesi ile hedefli duruşlar ve daha iyi iç denetim izi. Ölçüm için KPI örnekleri: tespit doğruluk oranı, ortalama analiz süresi, operatör geri bildirim döngüsü süresi, üretimden iade oranı (öncesi/sonrası).

Sonuç ve bir sonraki adımlar

Üretimdeki yüzeysel defektleri sadece "görmek" değil, her tespiti üretim bağlamına bağlayıp izlenebilirlik sağlamak; problem çözümünü, denetimi ve müşteri güvenini güçlendirir. Teknik olarak anahtar noktalar: doğru optik ve aydınlatma, olay tabanlı yakalama, zaman senkronizasyonu (NTP/PTP), edge+sunucu mimarisi, tutarlı veri modeli ve ERP/MES entegrasyonu.

Eğer hattınız için uygulamaya özel teknik bir yol haritası isterseniz veya pilot tasarımına geçmek istiyorsanız, sistem gereksinimlerinizi paylaşmak için iletişime geçebilirsiniz. Uygulama sırasında dikkat edilmesi gereken öncelikli ölçütlerin bir listesini ve örnek veri modelini müşterinin sahasına göre özelleştirerek sağlayabiliriz.

Uygulama kontrol listesi (özet)

• Kamera & lens seçimi (çözünürlük, fps)
• Aydınlatma prototipi ve test görüntüleri
• Tetikleme entegrasyonu (PLC/encoder/barkod)
• Zaman senkronizasyonu: NTP/PTP planı
• Edge cihaz kapasiteleri ve model dağıtımı
• SQL Server veri modeli & arşiv stratejisi
• ASP.NET Core / API uç noktaları ve güvenlik
• Pilot performans izleme ve yeniden eğitim planı

Bu yaklaşım, gerçek işletme problemlerine doğrudan odaklanır: rastgele oluşan yüzeysel kusurların tespit edilmesi ve her tespitin üretim bağlamına güvenilir şekilde bağlanması. Teknik uygulama detayları ve saha özelinde yapılacak optimizasyonlar için lütfen iletişime geçin veya mevcut sistemlerinizin mimarisini paylaşın.